Dit is een site voor studenten van de Open Universiteit. Voordat je een vraag kunt stellen moet je even een account aanmaken (dit systeem is niet gekoppeld aan je OU studentnummer en wachtwoord).

Welkom bij het vraag- en antwoord systeem van de onderzoeks-practica van de studie psychologie bij de Open Universiteit.

Houd er, als je een vraag stelt, rekening mee dat je de richtlijnen volgt!

0 leuk 0 niet-leuks
In par. 5.2 'De steekproevenverdeling van beta' worden bij subpar. 'de standaardfout van een regressiecoëfficiënt' twee ruwe regressiecoëfficiënten gegeven, namelijk 0,45 en -0,05. Volgens mij moeten er per analyse (boos-blij en boos-gepijnigd) 2 beta's worden gegeven bij ruwe regressiecoëfficiënten, namelijk de b0 (=intercept) en b1(=helling). Nu wordt er maar één regressiecoëfficiënt gegeven per analyse. Is dat de b1? Zo ja, waarom wordt de b0 niet gegeven?

Als ik in Field (2018) blz 396 'output 9.4' kijk, dan wordt wel zowel de constant (b0) als de b1 ('advertising budget') gegeven. En van zowel b0 als b1 significantie èn betrouwbaarheidsinterval berekend.

De tekst heeft het in par. 5.3 en par. 5.4 verder over 'de regressiecoëfficiënt'. Bedoelt men hier steeds de b1?

Alvast bedankt.

mvg Ilse
in Inleiding Onderzoek (OIO, PB02x2; was Inleiding Data Analyse, IDA) door (320 punten)

1 Antwoord

0 leuk 0 niet-leuks
De $\beta_0$ is inderdaad meestal niet interessant, omdat die niets zegt over het verband tussen de voorspeller en de afhankelijke variabele. Als er maar een regressie-coefficient wordt genoemd, is dat dus inderdaad altijd $\beta_1$, de hellingscoefficient die bij de voorspeller hoort!

(In latere cursussen krijg je multipele regressie-analyse; hierbij zijn meerdere voorspellers, die elk een regressie-coefficient voor de helling hebben, maar er is ook dan maar 1 intercept. Dat intercept zegt dus niets over het verband van een voorspellers met de afhankelijke variabele).
door (77.8k punten)
...